Cua一口气开源两款S1模型,还拉Jev来同场考试
相关推荐
Holo4发布:千问底座,专门强化Computer Use
动察 Beating AI 快讯,法国 AI 公司 H Company 发布 Computer Use 模型 Holo4,包括 27B 和 35B-A3B 两个版本。前者基于 Qwen3.8 dense 架构,后者基于 Qwen3.5 MoE 架构继续做后训练。 H Company 主要强化了电脑操作和长任务执行能力,把原本的通用模型进一步训成面向 Computer Use 的 Agent 模型。 监督微调阶段,H Company 一共用了 1270 亿 tokens,其中约四分之三是成功完成任务的 Agent 操作轨迹,覆盖桌面、网页、手机、MCP 和 API。随后又做强化学习,分别训练「桌面和网页」与「终端、MCP 和 API」两类专家能力,再合回同一个模型。公司还自己生成了约 1 万个软件操作任务,用来训练跨应用和长流程工作。 H Company 还重做了 Agent harness,让模型在数百步任务里持续记住前面的操作,并可以直接调用电脑上的 shell。 效果主要体现在长任务上。Holo4 27B 在 OSWorld 2.0 得到 61.7%,Qwen3.8-27B 官方成绩为 48.0%;在普通 OSWorld 上,Holo4 为 85.2%,Qwen3.8-27B 则为 84.3%。不过这些成绩的 harness、任务版本和评测设置并不完全一致,不能当成严格的同条件对照。
DeepSeek Harness补上Browser Use和Computer Use:现在能操作网页,也能接管本机App
动察 Beating AI 快讯,DeepSeek Harness 最新的 v0.1.6-alpha.1 同时新增实验性 Browser Use 和 Computer Use。模型现在既能直接操作网页,也能查看并控制本地桌面。 Browser Use 支持 Playwright MCP、Chrome DevTools MCP 和 Stagehand,可以直接操作网页。Computer Use 则接入 Cua Driver,可找到具体 App 和窗口、获取当前界面截图,再根据界面元素或坐标执行点击和输入。官方提供 MCP 和原生两种 Computer Use 接入方式。 两项能力目前都属于实验性功能,需要手动启用。Computer Use 还需要给实际运行它的应用授予屏幕读取和电脑操作权限。
Jevgrep让Coding Agent少自己找代码:SWE-bench主模型成本降29%
动察 Beating AI 快讯,开发者 David 基于 Jev 开源了一个专门给 Coding Agent 找代码的研究工具 Jevgrep。 用户只要问一句「登录校验写在哪里」,它就会用 TypeSafe 的决策模型 Jev 逐层搜索代码库,找出相关文件和源码片段,再交给 Claude Code、Codex 等 Agent 继续修改和测试。 它主要解决 Coding Agent 很费 token 的「找代码」环节。Jevgrep 不会先把整个仓库塞给模型,也不是只做一次语义搜索。它会先判断哪些目录值得继续找,再检查相关文件和代码声明,最后返回源码片段、行号和后续阅读线索。仓库还提供了 Skill,让 Agent 知道什么时候调用 `jg` 收集上下文。 最新 SWE-bench 实验用了 10 个 Python 任务。使用 Jevgrep 和不用 Jevgrep 都完成了 8 个,但 GPT-5.6 Sol 的总成本从 7.62 美元降到 5.44 美元,减少 28.63%。作者最初在 X 上写的是 40%,仓库随后更新实验结果,目前已经改成「约 30%」。 不过,这个数字只统计 Sol 的费用,没有把 Jev 算进去。实验日志中能够确认的 Jev 调用费用已经至少有 1.57 美元,部分调用缺少完整计费记录,实际总额未知。此外,这组实验只有 10 个任务,而且每题只跑了一次。
Jev刚火5天,Cua就把决策模型压到2.8MB
动察 Beating AI 快讯,Cua 开源了只有 70.6 万参数、2.8MB 的 CUA-S1-FORMS,专门负责自动填表。系统先从 PDF 中提取姓名、电话等信息,再由模型判断这些信息分别该填进哪个字段,最后交给 Cua Driver 执行。 它走的也是 Jev 最近带火的 System One 路线,只做选择和判断,不生成文字。但 Jev 面向更通用的决策任务,CUA-S1-FORMS 又把范围缩了一层,只解决表单里的信息匹配。 Cua 自测中,CUA-S1-FORMS 在这套填表任务上得分 99.7%,Jev 为 83.6%。这个结果有明显主场优势,前者就是针对填表训练的,不能理解成一个 70 万参数模型全面打败 Jev。 Jev 想把 Agent 里的部分大模型决策换掉,Cua 又继续往下拆。任务足够固定时,甚至不需要一个通用决策模型。
Qoder上线Sonus:专攻Computer Use
动察 Beating AI 快讯,阿里旗下 Agent 平台 Qoder 上线新的内置模型 Sonus,主打长时间自主任务、复杂知识工作和编程,重点强化 Computer Use。配合新版 Qoder Desktop,它可以直接操作电脑和专业软件,完成写代码、财务建模、研究和表格等任务。 Sonus 已上线 Qoder、IDE、CLI、JetBrains 插件、QoderWake 和 Cloud Agents,计费倍率为 3.2x。Qoder 此前已经推出同为 3.2x 的内置模型 Cantus,同样主打超长自主任务;Sonus 这次进一步把电脑操作作为核心能力。
Cua Driver给Agent补上「眼睛」:纯像素界面也能识别按钮和文字
动察 Beating AI 快讯,开源 Computer Use 工具 Cua 给 Cua Driver 加入可选的 Perception 视觉扩展。Driver 原本优先通过网页结构和系统无障碍树找按钮。遇到 Canvas、游戏、远程桌面或自绘应用时,这些结构可能为空。Perception 会直接读取截图,把画面拆成带文字、类型和位置的区域,供 Agent 继续操作。 首版用 OmniParser 识别图标和控件,用 PP-OCR 读取文字。整个解析过程在本机 CPU 完成,不需要 GPU,也不把截图发到网络。官方实测单张截图在 macOS 约需 2 至 2.5 秒,Linux 为 3.5 至 4 秒,Windows 为 8 至 9 秒。它主要在页面结构和无障碍树失效时兜底,不会默认每一步都跑视觉解析。 Cua 还限制了视觉操作对旧截图的复用。每次视觉识别都会绑定当前截图的 `capture_id`,随后点击必须来自同一张截图。截图超过 60 秒,或者已经执行过一次操作,Driver 就会拒绝继续使用,避免界面变化后还拿旧坐标误点。 Cua 过去其实已经能通过 `cua-som` 和 OmniParser 做视觉定位。现在这套能力被直接接进 Cua Driver,上层 Agent 可以通过统一接口拿到识别结果。即使模型本身不会看图,也可以根据这些文字和区域信息决定下一步操作。 Perception 不是默认组件,其中 OmniParser 检测器采用 AGPL-3.0;Cua Driver 仍保持 MIT 协议。